公開：2026年9月11日, 最終更新：2026年9月11日
30秒サマリー
- 薬剤耐性菌対策として、バイオエンジニアがCodexとChatGPTを創薬研究に活用している実例をOpenAIが公式ブログで解説した。
- AIによるゲノムスキャンで候補分子の初期探索期間を「数年から数時間」に短縮できるとされる。
- ChatGPTは仮説の壁打ち・コード生成・異分野間の知識橋渡しなど、研究室の「横断的コラボレーター」として機能している。
何が起きたか
OpenAIは2026年9月10日、バイオエンジニアのセサル・デ・ラ・フエンテ氏とその研究室がCodexおよびChatGPTを抗菌薬候補分子の探索に活用している事例を公式ブログで紹介した。
デ・ラ・フエンテ研究室は、生物のゲノムをアルファベット体系として捉え、深層学習モデルでパターンを解析することで抗菌薬候補を絞り込む手法を取る。同研究室が独自開発したAIモデルに加え、ChatGPTは仮説の検討・コードの作成と改善・大規模ゲノムデータセットの処理・異分野間の知識統合に、CodexはコーディングおよびデータPipeline構築に活用されているという。原文によれば、この手法により初期候補探索の期間を「数年から数時間」に短縮できる可能性があるとされる。
研究室は生物学・化学・コンピュータサイエンス・工学にまたがる学際的なチームで構成されており、生物学者がプログラムを組み、プログラマーが生物学的課題に取り組めるようAIが分野間の壁を下げる役割を担っている。また、ChatGPTが複数の母国語を持つ研究者の作業効率向上にも貢献していることが紹介されている。
デ・ラ・フエンテ氏はAIへの依存にも警鐘を鳴らし、「精度の確認は常に必要」「AIの予測を検証する実験は不可欠」と述べている。候補分子が抗菌薬として承認されるまでには、細胞毒性評価・耐性獲得試験・臨床試験など多段階のプロセスが依然として求められる点も原文は強調している。
原典ハイライト
「抗菌薬耐性は人類最大の存亡的脅威の一つであるにもかかわらず、50年間新しい抗生物質クラスが生まれていない」とデ・ラ・フエンテ氏は述べ、AIが初期探索を年単位から時間単位へ短縮できると説明している。また「突破口は分野と分野の境界にある」として、AIが異分野融合を促す点を重視している。
出典: OpenAI News/Research（公式ブログ）
So What?（なぜ重要か）
編集部の見立てでは、本事例が示すのは「AIが創薬そのものを自動化する」という段階ではなく、「専門知識の垣根を下げ、研究者の仮説検証サイクルを劇的に加速する」という段階だという点だ。薬剤耐性菌による死者数は2050年までに現在の約2倍になると予測されており（原文引用：2021年時点で約500万人が関連死亡）、創薬スピードの加速は社会課題への直結した貢献となり得る。一方、AIが提示した候補は実験検証なしに実用化できないという根本的制約は変わらず、「AI＋湿式実験」の両輪が引き続き不可欠とみられる。
日本企業への示唆
日本の製薬・バイオテック企業にとって、本事例は「既存の研究チームにCodex・ChatGPTを補助ツールとして導入する」という現実的な第一歩を示している。特に注目すべきは、高度なAI開発能力がなくても、既製のLLMを仮説検討・コード生成・データ前処理に活用することで研究効率を高められる点だ。学際チームの知識格差を埋めるユースケースは、国内の創薬・素材・農業バイオ分野にも横展開できる。導入を検討する際は、AIの出力を実験で必ず検証するプロセスを組み込むこと、および研究データの機密管理ポリシーを整備することが前提となる。
背景・経緯
薬剤耐性（AMR）は世界保健機関（WHO）も優先課題に挙げるグローバルな問題であり、原文は2021年に約500万人の死亡がAMRに関連したと引用している。新しい抗生物質クラスの開発は50年以上停滞しており、既存薬の改良に依存する手法は効果が頭打ちになりつつある。こうした背景から、ゲノムデータベースのデジタル化とAIを組み合わせた候補探索が注目を集めている。デ・ラ・フエンテ氏の研究室は、現存・絶滅生物両方のゲノムを対象に探索を行っている点が特徴的とされる。
